论文部分内容阅读
心律失常是临床上一大类心血管疾病的统称,时刻危害着人类的健康。心律失常种类繁多,几乎占据了体表心电图(ECG)诊断一半以上的内容。动态心电图(DCG)的使用在很大程度上提高了心律失常检测的正确率,但它产生的海量ECG数据给临床医生带来了极大的工作负担,再加上心律失常的复杂性和变化多样性,其临床诊断很容易发生漏检和误判。因此,近年来,人们把自动分析技术应用到了心电图分析中。心律失常判断算法是心电自动分析技术的核心,是ECG计算机辅助诊断系统及设备得以实现的基础,其中心电图特征点检测的精确性又影响着心律失常判断算法的准确性。因此,本文首先设计了一种新颖的P波检测方法,在此基础上,提出了两种最常见的心律失常(室性期前收缩和房性期前收缩)判断方法。具体研究内容如下:(1)设计了一种新颖的P波检测算法。新算法创新性地提出了自定义参数,同时结合了现有的翼型函数变换。相比于传统的幅值法和翼形函数法,新算法对偶发性无P波和强干扰高幅P波有很好的检测能力,同时也能够标记可能淹没在强干扰中的P波。我们用MIT-BIH心律失常数据库中共计11507个P波验证了该算法的性能,发现其检测准确率高达94.66%。接着本文提出了一种定位P波起点的方法,该方法主要基于差分法,可以快速准确地定位单向和双向P波的起点。应用该方法来计算MIT-BIH正常窦性心律数据库和MIT-BIH心律失常数据库中ECG数据的PR值,结果表明它具有一定的临床价值。(2)提出了室性期前收缩和房性期前收缩判断算法。由于特征点定位和参数计算上的误差,传统方法对临床上最常见的两种心律失常—室性期前收缩和房性期前收缩容易产生错判现象。为了尽可能的降低错判率,本文创新性地提出了室性期前收缩和房性期前收缩判断算法。新算法选取一分钟内的心电数据建立QRS基准模板,通过模板匹配的方式来诊断这一分钟内是否出现上述两种心律失常。采用MIT-BIH心律失常数据库共计6355心拍的期前收缩进行验证,判断准确率达到95.91%,证实了本算法的有效性和可行性。